我正在尝试使用scipy.optimize.leatsq拟合一个步骤函数。请考虑以下示例:
import numpy as np
from scipy.optimize import leastsq
def fitfunc(p, x):
y = np.zeros(x.shape)
y[x < p[0]] = p[1]
y[p[0] < x] = p[2]
return y
errfunc = lambda p, x, y: fitfunc(p, x) - y # Distance to the target function
x = np.arange(1000)
y = np.random.random(1000)
y[x < 250.] -= 10
p0 = [500.,0.,0.]
p1, success = leastsq(errfunc, p0, args=(x, y))
print p1
参数是台阶的位置和两边的标高。奇怪的是,如果运行scipy,第一个自由参数永远不会改变
[ 5.00000000e+02 -4.49410173e+00 4.88624449e-01]
当第一个参数设置为250,第二个参数设置为-10时,将是最佳的。
有没有人知道为什么这可能不起作用,以及如何让它起作用?
如果我跑
print np.sum(errfunc(p1, x, y)**2.)
print np.sum(errfunc([250.,-10.,0.], x, y)**2.)
我发现:
12547.1054663
320.679545235
其中第一个数字是leatsq正在寻找的,第二个是它应该寻找的实际最优函数的值。
目前没有回答
相关问题 更多 >
编程相关推荐